Continguts SEO amb IA sense que es noti: procés, controls i revisió humana

Un esborrany llarg surt de Claude o de ChatGPT en menys temps del que es triga a llegir-lo. Això ha canviat el coll d’ampolla d’un blog d’empresa, que abans era escriure i ara és decidir què es publica. Moltes pimes ho han descobert al revés, publicant articles un darrere l’altre que sonen tots igual, amb un parell de dades que ningú sap d’on han sortit i cap detall que només pogués escriure aquella empresa.

Fer continguts SEO amb IA funciona, i Google no ho prohibeix. El que cal és muntar la feina com un procés amb peces separades, en què la màquina fa el que fa bé, una altra màquina comprova el que es pot comprovar sol i una persona revisa el que només ella sap. Aquesta guia explica com es munta aquest repartiment, quins controls s’automatitzen i quant temps humà continua fent falta per article.

Què accelera la IA i què hi ha de posar algú que coneix el negoci

Pensa en un article sobre com triar un programari de facturació. Per escriure’l cal saber què busca la gent, què expliquen els articles que ja posicionen, ordenar les idees, redactar, revisar i publicar. Gairebé tot això la IA ho accelera molt, sobretot la feina de volum: llegir els articles de la competència i treure’n els apartats, proposar una estructura, redactar un primer esborrany net, generar variants de títol i de meta descripció.

Hi ha una altra part que no accelera gens, perquè no és enlloc on el model la pugui llegir. Quin programari recomaneu de debò als vostres clients i per què, quant triga la implantació segons la vostra experiència, quins errors veieu cada setmana. Un model de llenguatge escriu amb soltesa sobre qualsevol tema, i justament per això escriu el mateix que tots els altres si no li dones material propi. El text li surt correcte i genèric, i genèric és el que Google i els lectors ja tenen de sobres.

Entre els dos extrems hi ha tot un ventall. Hi ha qui ho genera tot de manera automàtica i publica sense mirar, hi ha qui fa servir la IA com a assistent per a un text que escriu una persona, i hi ha un punt intermedi en què la IA redacta i una persona revisa amb criteri. Per a una pime que vol captar clients amb el seu blog, nosaltres ens quedem amb l’intermedi, i és el repartiment que muntem a La Teva IA quan automatitzem el contingut d’una empresa. La resta d’aquesta guia tracta de com muntar-lo sense que la revisió es mengi l’estalvi.

Com es genera un article SEO amb IA, de la cerca a l’esborrany

Tot comença abans d’obrir el xat. Primer es tria la paraula clau amb una dada de demanda al darrere, mirant a Ahrefs, Semrush o al mateix Search Console quines cerques tenen volum i encaixen amb el que vens. Una paraula clau sense cerques dona un article que ningú no trobarà, per ben escrit que estigui.

Després toca mirar què posiciona avui per a aquella cerca. Obres els primers resultats de Google, o demanes a un flux automatitzat que els descarregui, i apuntes quins apartats es repeteixen. Aquesta llista diu què espera trobar qui busca, i també què falta a tots, que sol ser el lloc on el teu article pot aportar alguna cosa.

Primer l’estructura de titulars, després els paràgrafs

Si demanes a un model «escriu-me un article sobre X», ell decideix l’estructura sobre la marxa, i la decideix amb la mitjana del que ha llegit. Et retorna la introducció de sempre, els apartats previsibles i una conclusió que resumeix el que s’ha dit.

Funciona millor separar les dues coses. En una primera crida la IA proposa una llista àmplia de titulars a partir del que ha trobat a la competència, i una persona, o un criteri escrit per endavant, poda aquesta llista fins a deixar-hi els que de debò responen a la cerca i els que aporten un angle propi. Un límit útil és el de paraules per titular, perquè amb massa apartats per a la llargada de l’article cadascun es queda en un paràgraf de farciment.

L’estructura aprovada es desa com un document a part. Així el pas següent treballa amb una llista tancada, i si l’esborrany surt malament se sap si l’error era a l’estructura o a la redacció.

L’esborrany per seccions, no tot d’una vegada

Demanar l’article complet en una sola crida té un cost que no es veu fins al final, perquè el model reparteix l’atenció i les últimes seccions surten més pobres i més repetitives que les primeres. Redactar per blocs, o almenys passar-li l’estructura tancada i unes normes d’estil concretes, dona un resultat més uniforme.

Aquestes normes valen més com més concretes són. «Escriu amb naturalitat» no canvia res; en canvi, una llista d’expressions prohibides, un límit d’adjectius per substantiu o l’ordre de no tancar amb un paràgraf resum sí que canvien el text. Si teniu articles antics escrits per algú de l’equip, passar-li’ls com a mostra de veu ajuda que el ritme s’assembli al vostre. També convé que cada crida comenci neta, sense arrossegar la conversa anterior. Un model que ha vist com es va raonar l’estructura tendeix a justificar-la en el text en lloc d’escriure per al lector.

El que comprova un script abans que ningú ho llegeixi: xifres, enllaços i crosses

L’esborrany ja és fet i encara no cal que el llegeixi una persona. Hi ha una llista de comprovacions que un script fa en segons, i passar-les abans estalvia que el revisor perdi el temps en errors mecànics.

Les xifres són el primer filtre. Un script pot marcar cada número, cada percentatge i cada preu del text i comprovar si porta al costat un enllaç o una font. No sap si la dada és certa, això li toca a la persona, però sí que deixa una llista del que cal comprovar, i aquesta llista és la que evita que un percentatge inventat acabi publicat. Els models generen xifres amb molta seguretat, i les que més sonen a estudi sovint són les que no surten de cap.

Els enllaços són el segon. Una eina com Screaming Frog, o un flux a n8n que faci una petició a cada URL del text, detecta els enllaços que retornen error. Amb IA això importa més del normal, perquè un model pot escriure una adreça amb aparença de real que no existeix.

El tercer són les crosses. Hi ha expressions i construccions que delaten un text generat: les obertures grandiloqüents sobre el món actual, els imperatius de fullet, els tancaments que resumeixen el que ja s’ha dit, la frase de contrast que nega una cosa per afirmar-ne una altra, l’abús de guions i de dos punts. Una llista d’aquestes expressions es busca de manera automàtica, igual que es mesura si tots els apartats tenen la mateixa llargada, que és un altre senyal clar de plantilla.

Què revisa una persona abans de publicar, i per què no es pot saltar

Google ho diu a la seva documentació per a editors de contingut amb IA generativa. Demana comprovar a mà i revisar tot el contingut generat abans de publicar-lo, perquè els models poden cometre errors, i estén aquesta revisió als títols, les meta descripcions, les dades estructurades i els textos alternatius de les imatges. A la mateixa pàgina avisa que generar moltes pàgines sense aportar valor a l’usuari pot infringir la seva política contra el contingut a escala.

La raó pràctica va més enllà de Google. Un article amb una dada falsa sobre el teu sector, o amb una promesa que la teva empresa no compleix, costa més que no haver-lo publicat.

Cada xifra, data o afirmació que canviï la decisió del lector

Aquí entra la llista que ha deixat el control automàtic. Cada preu d’una eina es comprova al web de qui la ven, cada data i cada afirmació sobre una llei o una norma es busca a la font original, no en un altre blog que la repeteix.

No totes les dades pesen igual. Si l’article diu que una eina té pla gratuït i el lector decidirà per això, cal comprovar-ho. Si la dada no es troba, la sortida honesta és escriure la frase sense el número, o treure-la.

El que només sap la teva empresa: terminis, casos i manera de treballar

Aquesta és la part que fa que l’article deixi de semblar de qualsevol. El revisor busca els buits on l’esborrany parla en general i els omple amb el que sap l’empresa: en quin ordre feu les coses amb un client, quins terminis doneu, què recomaneu evitar, quina pregunta us fan sempre a la primera reunió.

També és la part que la IA no pot inventar sense fer mal. Un model a qui demanes un exemple t’escriu un cas versemblant amb nom i resultats, i publicar-lo com a propi és mentir. Si no teniu cap cas per explicar, un procediment descrit amb detall convenç més que una història d’èxit fabricada.

Qui fa aquesta revisió ha de conèixer el negoci, encara que no sàpiga res de SEO. Sovint és l’amo, o qui atén els clients, i a la pràctica és una estona de llegir amb un bolígraf a la mà marcant on el text diu alguna cosa que vosaltres no diríeu.

El to de la marca i les frases que delaten la IA

L’última lectura és en veu alta, o gairebé. Els filtres automàtics cacen les expressions d’una llista, però no cacen un paràgraf que sona a fullet, una successió de frases amb el mateix ritme o un tractament al lector que no és el vostre.

Ajuda tenir per escrit com parla la marca: si tracteu de tu o no, quines paraules eviteu, quant expliqueu abans d’entrar en matèria. Amb aquest full al davant el revisor corregeix amb criteri i no per gust, i el mateix full serveix després com a instrucció per al model, de manera que cada ronda de revisió millora l’esborrany següent.

Quant temps i quants diners costa cada article fet amb IA

La pregunta que es fa l’amo d’una pime és si això li surt més barat que encarregar els articles a fora. Depèn de quina part del procés estigui muntada.

Amb un xat i res més, sense estructura prèvia ni controls, l’estalvi és menor del que sembla. La persona acaba reescrivint mig text, buscant d’on ha sortit cada xifra i corregint el to a mà, i això són fàcilment unes quantes hores per article, tot i que és un càlcul a ull que canvia molt segons el tema. El procés muntat té tres peces: recerca i estructura en un flux, esborrany per seccions amb normes fixes i controls automàtics abans de la revisió. Amb aquestes peces en marxa, el temps humà es redueix a la revisió i a decidir quins temes s’escriuen, que en un article llarg queda en l’ordre d’una hora o dues.

Els diners són la part petita. Una subscripció a Claude Pro costa 20 dòlars al mes amb pagament mensual, segons la pàgina de preus d’Anthropic, i si el flux crida el model per API el cost depèn de quantes paraules processi, però per a un blog de pocs articles a la setmana sol quedar per sota del que costa l’eina SEO. A Ahrefs, per exemple, el pla Lite surt a 119 euros al mes segons la seva pàgina de preus, i hi ha un pla Starter més barat amb menys funcions. Muntar el flux a n8n sí que té un cost inicial, en hores d’algú que en sàpiga, i compensa quan el blog publicarà de manera constant durant mesos.

Quan analitzem amb una empresa si li compensa automatitzar el seu contingut, partim d’aquests camins:

• Fer-ho a dins amb un xat i un bon full de normes, que serveix per a un blog que publica poc.
• Encarregar-ho a fora, que té sentit si ningú de l’empresa no pot dedicar ni aquella hora de revisió.
• Muntar un flux automatitzat amb revisió humana, que compensa quan el contingut és un canal de captació de debò i el volum justifica la inversió inicial. És el que muntem amb n8n a La Teva IA.

Si vols veure quina part de la teva producció de contingut es pot automatitzar i quina convé que continuï en mans del teu equip, explica’ns com ho feu ara.